《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：Mapping the strategic salience of renewable energy market demand and smart grid technologies for future marketization: A method combining LLM and GNN
编辑推荐：
•提出了一种战略显著性概念，以支持智能电网技术的市场化规划。•构建了针对可再生能源和智能电网技术的双向需求-技术图。•开发了一种新型的图神经网络（GNN）模型（MTIGNN），用于预测智能电网技术的战略显著性。•为2026年的智能电网市场化提供了可解释且全面的决策建议。引言随着全
- •
提出了一种战略显著性概念，以支持智能电网技术的市场化规划。
- •
构建了针对可再生能源和智能电网技术的双向需求-技术图。
- •
开发了一种新型的图神经网络（GNN）模型（MTIGNN），用于预测智能电网技术的战略显著性。
- •
为2026年的智能电网市场化提供了可解释且全面的决策建议。
引言
随着全球能源转型的加速，可再生能源市场已成为一个高度动态和技术密集型的领域。这一趋势不仅推动了风能和太阳能等可再生能源技术的快速进步，同时也对促进这些技术大规模整合和利用的智能电网技术提出了前所未有的需求和挑战（Stahl和Eke，2024年）。因此，智能电网技术正处于一个快速且持续迭代的关键阶段。然而，智能电网技术与可再生能源市场需求之间的不匹配，加上盲目投资，往往导致资源浪费。具体来说，未经需求验证的过早技术部署可能会面临商业失败的风险，而滞后于需求的技术市场化则会错过关键机会（Stratopoulos和Wang，2022年）。在这种背景下，结合可再生能源市场需求可以改进智能电网技术市场化的预测。这对于寻求优化战略规划并获得竞争优势的企业具有重要的战略意义。
然而，智能电网技术市场化与可再生能源市场需求之间存在复杂的动态相互作用。一方面，市场需求的难点和爆炸性增长为智能电网技术创新提供了方向，同时也对其承载能力、灵活性和智能化提出了更高的要求（Lane等人，2021年）。另一方面，智能电网技术的突破不仅能够满足现有需求，还可能激发新的可再生能源市场需求。例如，高性能的能量存储可以降低可再生能源并网的技术壁垒，提高其经济可行性，从而创造和刺激新的可再生能源市场需求（Kanellos等人，2022年）。本研究将这种相互构成、共同进化特性概念化为“战略显著性”——即某个技术特征或市场需求维度在特定时间表现出战略价值的程度，这得益于其情感吸引力、感知重要性和与系统内其他组件的关联强度。具有高战略显著性的技术倾向于吸引更多的投资、政策支持和市场关注，从而加速其商业化应用。然而，战略显著性所体现的强市场-技术耦合使得在孤立建模时难以完全描述任何一方的未来轨迹。因此，联合预测智能电网技术和可再生能源市场需求面临着捕捉战略显著性的关键挑战。
现有研究已经广泛探讨了可再生能源市场需求和智能电网技术的预测。然而，这些研究通常采用孤立的或高度简化的建模框架：要么关注技术发展的内在轨迹，要么仅 examine 宏观层面的市场趋势（Guo等人，2024年）。其中一些研究仅考虑了技术之间的相互作用，基于拓扑图结构的链接预测方法越来越受到关注（Wang和Li，2024年）。尽管这些方法在各自的领域内有效，但它们通常忽略了“需求-技术”系统中的关键双向交互机制，使得难以描述任一技术或需求的战略显著性。此外，由于大多数公开的智能电网技术数据都是非结构化的（例如专利、文献、新闻），现有研究主要通过主观评估、文献计量分析和主题挖掘来提取需求和技术的语义特征，缺乏对战略显著性的深入理解（Li等人，2019年）。
总之，现有研究面临三个关键挑战：
(1)如何准确提取可再生能源市场需求和智能电网技术的多维特征，以全面描述战略显著性？
(2)如何动态描述可再生能源市场需求与智能电网技术之间的双向相互作用，以提高预测的准确性和真实性？
(3)如何提高智能电网技术预测结果的多样性，以全面支持智能电网技术市场化规划？
为此，本研究提出了一个两阶段框架，能够动态捕捉、量化并预测可再生能源市场需求与智能电网技术之间的战略显著性。具体而言，该框架将大型语言模型（LLM）与图神经网络（GNN）有机结合，同时考虑了深度语义理解与动态时空交互建模。首先，收集与研究领域相关的公开数据（包括专利、文献和新闻文章）并进行预处理。在此基础上，将检索增强生成（RAG）引入LLM中，以提取可再生能源市场需求和智能电网技术的多维语义特征和链接特征，从而描述战略显著性。最后，设计了一种新型GNN模型，用于联合预测可再生能源市场需求和智能电网技术的战略显著性。基于该框架，本研究可以为制定可再生能源市场中的智能电网技术市场化计划提供科学支持（Musango和Ouma-Mugabe，2024年）。以下总结了本工作的主要贡献：
(1)构建了一个集成智能电网技术和可再生能源市场的动态知识图，以描述它们的战略显著性。为了解决特定领域和快速演变的知识所带来的挑战，设计了一种结合LLM和RAG的特征提取方法，能够准确提取并定量表示战略显著性。
(2)与传统的孤立预测方法不同，提出了一种新型GNN模型，用于联合预测可再生能源市场需求和智能电网技术的战略显著性。通过联合学习节点和边缘特征，该模型有效地捕捉了市场需求与技术之间的信息流和聚合。
(3)构建了一个包含48,546份与智能电网技术相关文档的数据集，用于预测和可视化2026年可再生能源市场需求和智能电网技术的战略显著性。基于此，我们提出了更可解释和全面的智能电网技术市场化规划决策建议。
章节摘录
文献综述
本研究主要探讨了使用基于AI的方法进行智能电网技术市场化的预测问题，其中智能电网技术被归类为新兴技术。因此，本节首先回顾了智能电网技术市场化的现有研究。在明确了研究主题和范围后，系统地考察了相关理论和方法，特别关注三个方面：技术的语义分析
问题描述
智能电网技术预测涵盖了多种方法。根据具体的决策需求，它可以被分类为技术主题预测、技术趋势预测、技术融合预测等技术融合预测等。本研究旨在预测智能电网技术的市场化，以支持技术投资、资源分配和产业链合作的决策。
数据集
本研究收集了48,546份文本数据，包括新闻文章、政府报告、行业出版物、学术研究和社交媒体帖子以及专利。鉴于可再生能源和智能电网技术在2012年左右经历了快速发展，数据收集时间跨度为2012年至2025年。具体数据详情见表3。
为了更清楚地了解数据集的时间覆盖范围，表4报告了收集数据的年度分布
结论
智能电网技术市场化与可再生能源市场需求之间存在复杂的相互联系。然而，现有研究通常进行独立的技术预测，忽略了这种相互联系关系。因此，本研究引入了“战略显著性”概念，并提出了结合LLM和GNN的多任务联合预测框架，旨在探索市场驱动的智能电网技术市场化预测。实验
CRediT作者贡献声明
刘文志：撰写 – 审稿与编辑，原始草稿撰写，可视化，验证，软件，方法论，正式分析，数据管理，概念化。徐晓峰：撰写 – 审稿与编辑，监督，项目管理，资金获取，概念化。齐鹏：可视化，验证，资源管理，数据管理。于磊：撰写 – 审稿与编辑，监督，项目管理。吴秀杰：监督，项目管理，调查。金宏宇：
致谢
本研究得到了山东省重点研发计划（软科学项目）（项目编号：2024RZB0203）、国家自然科学基金（项目编号：72271245以及山东省泰山学者计划（项目编号：tsqn202306122）的支持。
刘文志目前在中国石油大学东方学院经济与管理学院攻读博士学位。在他的博士研究中，他的研究兴趣包括机器学习、数据挖掘和多源异构数据预测，他的研究成果发表在《决策科学》、《可再生与可持续能源评论》等知名期刊上。
刘文志|徐晓峰|齐鹏|于磊|吴秀杰|金宏宇
